Plan prezentacji

  • Część 1: Analiza portfela
  • Część 2: Model GARCH

Analiza portfela

Analiza portfela to zbiór metod i narzędzi służących do oceny efektywności inwestycji w różne aktywa finansowe.

  • Wstęp do analizy portfela
  • Ryzyko i zwroty
  • Ocena wydajności portfela
  • Optymalizacja portfela

Model GARCH

GARCH (Generalized Autoregressive Conditional Heteroskedasticity) to model służący do przewidywania zmienności cen aktywów finansowych.

\[\begin{equation} GARCH(p, q): \sigma_t^2 = \omega + \sum_{i=1}^p\alpha_i \varepsilon_{t-i}^2 + \sum_{j=1}^q\beta_j \sigma_{t-j}^2 \end{equation}\]

  • Wprowadzenie do modelu GARCH
  • Konfiguracja w Pythonie
  • Ocena wydajności modelu
  • Przykłady zastosowań

Wstęp do analizy portfela

Portfel inwestycyjny - zbiór aktywów posiadanych przez osobę fizyczną.

Skład:

  • akcje,
  • obligacje,
  • towary,
  • fundusze,

Dywersyfikacja portfela

Polega na inwestowaniu w różne rodzaje aktywów w celu zmniejszenia ryzyka inwestycyjnego.

Typowe strategie inwestycyjne

Stopy zwroty

Zwroty z portfela to zmiany wartości w czasie.

\[ r_t = \frac{V_t - V_{t - 1}}{V_{t - 1}} \]

W naszym portfelu mamy:

  • akcje General Electric, waga: 0.5;
  • akcje JP Morgan, waga: 0.2;
  • akcje Microsoft, waga: 0.2;
  • akcje Proctor & Gamble, waga: 0.1.

Stopy zwrotu

returns = data.pct_change()
GE JPM MSFT PG
date
2015-01-02 NaN NaN NaN NaN
2015-01-05 -0.018356 -0.031045 -0.009303 -0.004755
2015-01-06 -0.021545 -0.025929 -0.014571 -0.004555

Średnia stopa zwrotu (mean returns)

Szacowany zysk lub strata, jaką inwestor spodziewa się osiągnąć z portfela inwestycji.

# średni zwrot dla każdej akcji
meanDailyReturns = returns.mean()
# uwzględniamy wagi
weights = np.array([0.5, 0.2, 0.2, 0.1])

Estymowany zysk/strata

np.sum(meanDailyReturns * weights)
-1.6782226618545438e-05

Skumulowana stopa zwrotu (cumulative returns)

returns['Portfolio']= returns.dot(weights)

# Calculate cumulative returns
daily_cum_ret = (1 + returns).cumprod()